电子邵依文

GPA: 3.81/4 (87.41/100) rank: 1/30
TOEFL: 107 (s 20), 100 (s 22)
GRE: 159 + 170 + 3
背景:IEEE SPL 一作在投(现在还是under review...),关于语音处理,跟着实习老板做的。
推荐信:实习公司老板强推一封。BOSS是语音方向的,美国身份,回国创业,有做过AP之后转industry了(IBM research),和不少语音方向学术界大牛CO-PI过(然而这几个学校都把我拒了。。。一把泪)。 还有一封推荐信是Warwick的教授(中国人)来这上“外教”课的,其他都是东大老师。

申请结果:

AD (4): UCSD-CS, UCLA-EE (signal), Brown-CE, JHU-CS (accepted);

REJ (7): Stanford-EE, Gatech-ECE, Umich-CSE, UIUC-ECE (MS), UCSD-ECE, CMU-LTI-MLT, Duke-CS,Umich-ECE (signal), Columbia-CS;

Pending (4): CMU-ECE, Gatech-CSE (computational);

关于选校:

从申请结果上来看还是比较满意的吧,除了超级大彩票大S和LTI没录,剩下的小彩票SD和LA都录了。由于CS每年都竞争激烈,虽然一开始想着闭着眼睛全申CS但最终并没有这个勇气。。。所以还是ECE和CS混申的。我的经历比较曲折。。。原先大一是CS的,然后转去了电子,最后还是回到了CS。不过我决定回到CS并不是因为想转码(至今对纯SDE还是无爱。。。),而是对AI或者说偏数学的东西感兴趣,而现在AI里热门的方向CV, ML, NLP,DM相关工作几乎都是phd门槛或者CMU MSCV这种级别的MS,所以申请的时候也想的比较清楚,就是要选科研机会多的(而这种项目往往都是贼难的。。头很硬)。所以最后放弃了NEU, UCI, USC, NYU等就业热门学校,和自己方向不符的项目也没申,剩下的这些项目起码从字面上还是有不少科研机会的(然而事实往往更残酷。。)下面的申请总结主要是围绕着科研MS的思路展开的。

申请总结

GPA:

由于是申请MS,所以各项背景的优先级顺序我的排列为:GPA(包括学校,专业,排名)>推荐信>科研>T>G。(这里把推荐信和科研放在GPA后面是考虑到普遍的SEUer缺乏有力材料)因为MS的录取一般是和Phd分开的,录取顺序走的还是MS的那套流程,所以不可避免的GPA依旧很重要。拿UCSD和UCLA为例,和SEU同一档次的如BUPT, UESTC等学校的GPA基本都是3.8+, 或者说排名都是前5%,清北浙交在前15%以内。个人感觉绝对值似乎并没有那么重要,重要的是排名。如果想申这种档次的项目,建议小专业(30人左右)的排名在前2,大专业(100人左右)在前5,有排名的情况下绝对值稍微低一点应该也没有问题,我就是比较好的例子,当然也有可能是幸存者偏差。。。所以大家也不要迷信什么90+的标准,排名靠前的情况下大胆申。而我们学校的不加权均分算法也给了排名相对不出色的同学一些机会,如果把0.5学分的水课都拿到优,均分很容易88+的,千万别像我一样一堆中。。。。另外这里说一下UC系列的学校一般都会让你填一个last two years GPA,我可能后两年的GPA比较高有3.9所以占到了便宜。

推荐信和科研:

这一项往往是我们这一类学校最缺的东西,一旦拥有有力的背景,那会让你瞬间脱颖而出。有力的背景如:顶会论文(最好一作),国际一流大学实验室经历(如CMU),大牛推荐信。其他零零散散的项目经历不是说完全没用,只是缺乏有力证明,几乎所有中国学生的项目经历上都是一堆奇奇怪怪的竞赛和项目,committee基本看到审美疲劳值,于是只能就当没看到。要能发挥这些项目经历的作用,那只能在CV和SOP里下功夫,这个我在后面会讲。

我觉得比较完美的路线是大一先联系校内老师,在实验室搬搬砖,某个领域先入门。然后大二就可以开始着手和外校的老师建立联系,最一步登天的办法当然是去国外一线大学实验室暑期科研,但是机会很渺茫。稍微容易一点的可以选择出去交流一年,期间找机会进实验室,这也需要对自己的英语水平比较自信,需要和教授主动沟通。再舒缓一点的办法是找国内一线大学的老师暑期科研,这个在北京的学生这么做的比较多,不知道在南京这一块行不行得通。最后实在不行那就找校内的老师继续做,但这可能就比较依赖于成果了,如果没有有力成果,那可能作用甚微。而且大家做科研想出成果的话尽量越早越好,想要在申请季前就被录用,那大三上一定要开始动手了,不然under review的状态其实和没有是一样的。。。

GT:

GT应该是申请中最不重要的东西了,个人感觉做到T 100,G 320就算合理了,除非时间富裕,不然不建议投入太多精力刷。不过似乎今年有一条很奇葩的路线叫做AW 4.0横扫Gatech系列。。。要是对Gatech情有独钟的话建议可以从这个角度切入,有意外收获~

文书:

文书的话是我在申请季花了很多功夫准备的,作为从科研角度切入的同学,我的总结是:强化出一条逻辑清晰的科研线(以下建议都是针对没有强有力科研背景的同学,如果有我上述所说的强力背景的,就陈述一下就够了。。。)。

Step 1:从以往的项目经历中归纳出一个逻辑清晰的科研路线,比如是围绕哪个track展开的,是怎么层层深入的。可能某个项目你的重点不在这上面,但只要涉及到,你可以在SOP里重新解读,把相关的东西拎出来,其余部分可以直接不讲。你要做到的是让教授在读的时候跟着你的逻辑走,他不是在被动的接受,而是已经和你想的一模一样了,这样才能让他读完有印象。准备的时候不需要去看什么Sop范文,多去看有名的学术论文,比如一些顶会的best paper,一份好的paper就是可以让领域外的人也读完酣畅淋漓,而不是很晦涩。如果你把你写的sop给一个不了解你经历的小伙伴读一遍,他就能回忆出你做过什么东西,你对什么感兴趣,那第一步就是成功的。

Setp 2: 找出一个你的大方向后,如computer vision,那就开始浏览各个大学这方向的网站 (如果的确刚入门的话可以先从wiki开始),再看每个教授,每个实验室的网站,如果你有耐心一个个看完,那么你不仅对某个学校,某个老师更加了解,你对整个领域的了解也更professional。因为general的描述几乎可以出现在任何人的sop中,无论他到底做过没有。而你要脱颖而出,必然得用更加professional的术语。想象一下有两个人声称自己对NLP感兴趣,一个人说的是我喜欢NLP,想要开发Siri这样的程序,觉得让电脑理解人类语言非常cool,另一个人说的是我对NLP中Language Model这一块感兴趣,觉得Trigram的模型简单高效,但读最近的一些paper的时候发现什么什么办法很有潜力,想要develop a new model(其实说到这里还不够,最好把new model是什么再讲具体点)等等。其实你仔细看看各个教授甚至他们学生的网站,就会发现他们写的兴趣非常具体,如果你也能写到那个地步,那在教授眼里你起码是一个入门级的学生了。虽然你没有有力的solid evidence,但是如果你能把那些小的项目啦,你自学的东西啦这些soft evidence体现出来能让教授相信你的确是有过相关经历的,那么这些soft evidence其实已经不亚于solid ones。

Step 3: customize.
Level 1: 把最后一段项目的名字替换;
Level 2: 歌颂一下某个项目的一些特点,表表忠心;
Level 3: 最后一两段把具体感兴趣的实验室和教授描述一下,表达和自己多么Match;
Level 4: 对某个实验室的某个项目(论文,成果)非常了解,表达对该项目的兴趣;
Level 5: 把项目weave进你的Sop,渗透到全文的每个角落,比如在描述你以往的项目经历的时候就自然的与某个实验室的研究内容建立联系。
我个人基本是做到了level 3,4,两个项目是level 5,的确是真的用过他们的东西,不是强行编。

Step 4: Bonus. 加分项是能描述出你未来的打算。我在Quora上看到一个UCSB的教授在回答SOP的作用时说到,SOP其实百分之99的人都没有发挥作用,尽管你们的确尽力在准备了。唯一发挥作用的百分之1就是那些能在SOP中提出一个明确的目标,比如想要研究的项目,自己目前的一些想法。尤其是自己目前的想法,必须得达一篇论文proposal的程度,让领域内教授都印象深刻才行,这点只能说可遇而不可求吧,毕竟这已经不是文书方面的东西了,这是你的科研能力了。同样的观点在很多大学教授(如Stanford, JHU)的申请建议里都写到了。

Why JHU CS:

最后来说说我这个逆流而上选JHU CS而放弃热门的UC系列的原因。我个人是在申请和未来规划上都比较清楚,对CS好找工作的码农类工作实在不感兴趣,更希望能做一些和AI相关的工作,如research scientist 或者research engineer这种。这些工作的门槛很高,要求有很强的相关背景。虽说每个学校的MS都有机会,但实际上真能找到这类工作的也基本只有CMU MSCV这类档次的项目。一方面是一般的MS项目人多research机会很少,另一方面是录了MSCV项目的人本身相关背景就很强了,所以一加一减最后差距是非常大的,何况MS找工作找实习其实也就是11,12月开始的,刚开学2,3个月的你其实背景还停留在了本科阶段。我在调查了解了很多情况后,也发邮件问过感兴趣的教授有没有空缺给MS,结果就是UCLA和UCSD都不利于科研的路线。

这个时候就要安利一波JHU了,JHU由于在地里信息相当匮乏,去年第一次扩招后录取bar又相对低(也是因为地里信息匮乏所以没被申爆,不过今年的bar已经比去年高很多了),所以在大家印象里有一种名校水项目的感觉,但实际上是一颗“沧海遗珠”。JHU CS规模小(课都是20-40人的),但却大牛汇集,在NLP, ML,Speech recognition以及computational biology相当强势,完全不输四大,并且近些年faculty在不断扩大(如去年又从UCLA引进了CV方向的一个大牛)。同时这里的教授对学生科研非常友好,毫不夸张的说几乎到了你只要联系教授,就愿意带你的地步,只是MS一般是没有TA和RA的(其实有特例)。拿我自己来说,由于背景和Daniel Povey所需相当吻合(Sop中也是这么写的),在初次邮件联系后他就很愿意让我加入,我目前也已开始了远程工作。在此之前我还和JHU其他教授也邮件联系过,得到的回应都相当positive,也是证实了JHU对科研相当友好。而JHU的劣势也会相对明显,学费非常贵,地理位置偏僻,工作机会不如加州多,治安差……所以对于以找码农工作为规划的学弟学妹,JHU是一个比较差的选择,没有必要申请,同样的bar完全可以选择USC,UC系列和NYU。相反,对以上我说的这些方向很感兴趣并且想走科研路线的学弟学妹大可以放心申JHU(目前对转专业还是友好的)。还有一点要说明的是JHU CS的phd是需要重新申请的,不能内部转,强势领域如NLP竞争会非常激烈,所以来了之后还是要努力科研,尽力表现才行。

Acknowledgement

感谢申请路上各位学长学姐的热情帮助,感谢各个小伙伴的相互扶持,感谢BOSS和老师的耐心指导,得到的帮助太多没法一一@了(估计能写一页。。。。),只能在此尽可能的将SEU飞跃传统沿袭下去,希望有一天我们的队伍也能壮大起来!

results matching ""

    No results matching ""